利用加速度计和机器学习进行动作类型检测

Question

我即将开始开发一个使用加速度计来检测运动类型（如跳跃、奔跑、步行等）的移动应用程序。最近我做了很多在线搜索，有些明白从加速度计收集样本数据可以使用机器学习来检测模式。我是机器学习方面的新手，但如果我理解正确（基于其他专家在网上给出的提示），我可以使用支持向量机或神经网络来识别收集的样本中的模式并将其映射到特定的运动类型。我还知道OpenCV库提供了这两种方法。

有专业技术知识的人能告诉我哪种方法更好使用，并指导我从数据收集到结果呈现需要的步骤吗？

- Ali

---

OpenCV还附带了一个机器学习库，您可以用于模式识别，您可以在此处找到它http://docs.opencv.org/modules/ml/doc/ml.html - Ali

是的，OpenCV已经移植到iOS和Android平台。 - Ali

Answer 1

没有实质性的证据表明在一般情况下SVM或NN更好，它们的性能大幅取决于应用和你如何设置两个算法。因此，对于任何新的应用程序，找出哪一个表现更好的唯一方法是尝试同时使用相同的数据来运行这两个算法。

此外，NN一般用于分类时计算速度较快，但训练速度较慢。SVM的训练速度较快，但分类速度较慢。

对于您的情况而言，算法的输入参数将是更大的问题。我不会将原始加速度计数据送入SVM或NN中。相反，我会预处理并获取基本信息，例如总体功率、标准偏差、可能的频域系数，以确定其速度。以这种方式进行操作可以更好地直观地改进和调整分类器。如果您有正确的输入参数，甚至可能不需要使用NN或SVM来确定基本动作，只需简单的最近距离识别器即可。祝您好运！

- umps